Diferencias

Muestra las diferencias entre dos versiones de la página.

@@ Línea 1: / Línea 1: @@
+====== Proyecto Eficiencia Energética ======
+Vamos a desarrollar un proyecto para mejorar la eficiencia energética de nuestro centro.
+Para ello hemos puesto una serie de sensores en el aula para
+comprobar si dejamos las puertas o ventas abiertas cuando está encendido la calefacción o el aire acondicionado.
+El montaje de todo ello es el siguiente:
+  * [[https://www.home-assistant.io/|Home Assistant]]: Servidor domótico que recoge toda información.
+  * [[https://www.timescale.com/|TimescaleDB]]: Base de datos Postgresql especializada en series de tiempo
+  * [[https://mosquitto.org/|Mosquitto]]: Un broker de MQTT opensource
+  * [[https://www.zigbee2mqtt.io/|Zigbee2MQTT]]: Un puente entre Zigbee y MQTT
+  * [[https://smlight.tech/product/slzb-06/|SLZB-06]]: Antena Zigbee a Ethernet
+  * Sensores
+    * [[https://www.zigbee2mqtt.io/devices/MCCGQ11LM.html|Aqara MCCGQ11LM]]: Sensor de puertas y ventana
+    * [[https://www.zigbee2mqtt.io/devices/WSDCGQ11LM.html|Aqara WSDCGQ11LM]]: Sensor de temperatura, humedad y presión
+    * [[https://www.shelly.com/products/shelly-pro-em-50|Shelly Pro EM-50]]: Sensor de corriente para carril DIM
+  * Calefacción del centro
+    * Temperaturas del sensor de la calefacción
+  * Aire Acondicionado del aula
+  * [[https://www.home-assistant.io/integrations/met|Integración Home assistant: Meteorologisk institutt (Met.no)]]: Información meteorológica
+  * [[https://www.home-assistant.io/integrations/sun|Integración Home assistant: Sun]]: Posición del sol
+===== Servidores =====
+  * Máquina real
+  IP: 172.16.204.240
+  Usuario:
+  Contraseña: ****
+  * Home assistant
+  URL:http://172.16.204.240:8123/
+  Usuario:admin
+  Contraseña: *****
+  * Mosquitto:
+  IP:172.16.204.240
+  Puerto:1883
+  Usuario:admin
+  Contraseña: *****
+  * Zigbee2mqtt:
+  URL: http://172.16.204.240:8080/
+  * SLZB-06 (Antena Zigbee):
+  URL: http://172.16.204.241
+  * Timescaledb (Postgress)
+  IP: 172.16.204.240
+  Puerto: 5432
+  usuario: postgres
+  contraseña: ****
+  Base de datos:postgres
+===== Tareas =====
+==== Tareas 1: Target ====
+¿Qué queremos hacer?
+¿Cuál es el dato a predecir?
+==== Tareas 2: Recopilar los datos ====
+La primera tarea a realizar es la obtención de datos.
+Los datos los vamos a agrupar por horas. Para cada hora vamos a querer el valor de todos los sensores sin embargo hay que ver como resumirlos.
+  * ¿Qué temperatura ponemos en cada sensor?
+  * ¿Qué ponemos respecto a las ventanas y puertas abiertas?
+  * ¿Qué consumo eléctrico ponemos?
+  * Incluir las temperaturas de la calefacción
+Los alumnos deberán:
+  * Elegir como resumir la temperatura de en cada sensor en cada hora y lo mismo con la presión, humedad, velocidad del aire, etc.
+  * Elegir como resumir cuando los sensores de puertas y ventanas cuando están abiertos
+  * Familiarizarse con todos los tipos de sensores que hay y los datos que proporciona cada uno de ellos.
+==== Tarea 3: Temperatura del aula ====
+Definir que es la temperatura del aula
+Los alumnos deberán decidir entre:
+    * La temperatura del Aula es la media de todos los sensores
+    * O por otro lado no pensar en la temperatura media del aula y dejar la temperatura de todos los sensores.
+==== Tarea 4: Correlaciones entre sensores de temperatura ====
+Para ahorrar dinero en sensores, ver si hay correlaciones entre los sensores de temperatura.
+==== Tarea 5: Correlaciones entre sensores de puertas y ventanas ====
+Para ahorrar dinero en sensores, ver si hay correlaciones entre los sensores de puertas y ventanas.
+==== Tarea 6: Cálculo de calefacción encendida ===
+Calcular para cada hora si la calefacción está encendida.
+Para ello es necesario ver la relación entre nuestros datos y la temperatura del sensor de temperatura de la calefacción.
+Hacer ese modelo usando:
+  * Un modelo de ML lineal
+  * Una red neuronal
+Hay que decidir que datos usamos para predecir la temperatura porque pueden ser:
+  * Temperatura de cada sensor
+  * La nubosidad
+  * La posición del sol
+  * La temperatura exterior
+  * etc.
+  * Si usamos el valor medio o el valor de cada sensor (ej , la temperatura)
+Ver cual es mejor y si se generará sobreajuste.
+==== Tarea 7: Datos modelo de IA ===
+Definir los datos que necesitamos para nuestro modelo de IA.
+  * ¿Cuál es el target?
+  * ¿Qué datos necesitamos?
+==== Tarea 8: Crear un modelo de IA ===
+Crear un modelo de IA basado en:
+  * Machine Learning
+  * Redes neuronales
+Ver cual es mejor y si se generará sobreajuste.